Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarZDNet AI→ original

Microsoft permettra aux entreprises d'affiner les modèles MAI sur leurs propres données dans Azure

Lors de sa conférence Ignite, Microsoft a lancé Licensed Weights : les entreprises pourront affiner les modèles MAI sur leurs propres données et les exécuter dans Azure. Il s'agit d'un entre-deux entre les modèles fermés d'OpenAI et d'Anthropic et les modèles ouverts téléchargés depuis Hugging Face. Le client décide qui accède au modèle, et ses données comme ses adaptations restent chez lui. Si vous ne voulez pas injecter le savoir de votre entreprise dans le modèle d'un tiers, cette option mérite d'être discutée avec le responsable de compte Microsoft.

Traité par IA depuis ZDNet AI ; édité par Hamidun News
Microsoft permettra aux entreprises d'affiner les modèles MAI sur leurs propres données dans Azure
Source : ZDNet AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireZDNet AI ↗
Rédacteur en chef
Chiffre clé #1MAI Code 2 offre 98 % de la qualité de GPT 6.1 Sol pour 40 % du coût
Chiffre clé #2L'accès ne peut se faire que par l'intermédiaire d'un responsable de compte Microsoft
Chiffre clé #3Les données des clients ne servent à entraîner les modèles de Microsoft qu'avec leur consentement

Lors de sa conférence Ignite, Microsoft a présenté plusieurs nouveaux modèles issus de son laboratoire Microsoft AI (MAI). Mais la sortie de nouveaux modèles est devenue si fréquente qu'elle surprend peu. Ce qui retient davantage l'attention, c'est la manière dont Microsoft compte les proposer à ses clients. Le programme s'appelle Licensed Weights, et il répond à une question que se posent aujourd'hui de nombreuses entreprises : comment obtenir un modèle puissant sans céder ses données et ses savoir-faire à un tiers ?

Qu'est-ce que Licensed Weights

Le principe est simple. L'entreprise prend un modèle MAI de pointe, l'affine sur ses propres données et l'exécute dans le cloud Azure. Les poids du modèle, c'est-à-dire ses « réglages » qui contiennent tout ce qu'il a appris, ne sont pas téléchargés sur les serveurs du client. Celui-ci obtient en revanche sa version personnalisée et en conserve le contrôle.

Le responsable de MAI, Mustafa Suleyman, résume l'idée ainsi : vous décidez qui a accès au modèle, et vos données comme vos adaptations restent entièrement les vôtres. Microsoft promet ensuite d'accompagner le client via le programme Frontier Company : l'aider à déployer le modèle personnalisé et à l'intégrer dans ses produits et ses agents. L'entreprise affirme également qu'elle n'utilisera les informations des clients pour entraîner ses propres modèles qu'avec leur accord.

L'accès se fait par l'intermédiaire d'un responsable de compte Microsoft. Il n'existe pas encore de bouton « se connecter » ouvert à tous : en pratique, il s'agit d'une démarche d'entreprise qui passe par la négociation.

Où se situe cette offre entre l'open et le fermé

Le marché est généralement décrit de manière simplifiée. Les modèles fermés, comme ceux d'OpenAI et d'Anthropic, sont coûteux et les plus performants, mais on ne peut pas les adapter en profondeur. Les modèles ouverts sont moins chers et plus souples, mais souvent moins performants. Licensed Weights se situe entre les deux. Elle est plus ouverte que les API d'OpenAI et d'Anthropic, sans l'être au point de publier le modèle sur Hugging Face, comme l'a fait Mistral avec Le Chonk.

Formellement, il ne s'agit pas d'une famille de modèles ouverts. Cette approche n'en nuance pas moins le débat « ouvert contre fermé » et distingue l'offre de Microsoft de celle de ses concurrents. Sur scène, Mustafa Suleyman a affirmé que personne ne veut injecter son intelligence dans le modèle d'un tiers. Un argument similaire a déjà été avancé à plusieurs reprises par Alex Karp, le dirigeant de Palantir.

Le contexte est le suivant : des laboratoires occidentaux, dont Thinking Machines et Mistral, publient des modèles ouverts de plus en plus compétitifs. Pourtant, la grande majorité du marché de l'IA en entreprise reste dominée par Anthropic et OpenAI. Les modèles MAI ne les concurrencent pas directement en termes de capacités pour l'instant. En revanche, Microsoft dispose d'une immense base de clients professionnels, et c'est son principal levier.

Prix et qualité

L'accès aux poids ne signifie pas grand-chose si le modèle est faible. Microsoft a donc également communiqué des chiffres sur MAI Code 2, son nouveau modèle dédié au code. Selon Mustafa Suleyman, sur la moyenne de quatre tests populaires portant sur des tâches de programmation typiques en entreprise, comme celles rencontrées dans GitHub Copilot, il offre 98 % de la qualité de GPT 6.1 Sol pour 40 % du coût. Par rapport à Opus 5.5, son prix ne représente que 5 %. Ce sont les affirmations de Microsoft elle-même : la source ne fournit pas de vérification indépendante.

L'entreprise a aussi publié MAI Image 2.7, un modèle d'édition d'images. D'après Artificial Analysis, il arrive en tête de sa catégorie et devance Nano Banana Pro ainsi que plusieurs modèles GPT en termes de rapport prix-qualité.

Ce que cela signifie concrètement

Pour les chefs de produit et les fondateurs, la conclusion est la suivante. Si vous travaillez avec des données sensibles, comme du code interne, des contrats ou des enregistrements clients, Licensed Weights peut constituer un compromis. Vous obtenez un modèle entraîné sur vos propres contenus, à un coût inférieur à celui des modèles phares des laboratoires fermés, à condition que les chiffres annoncés soient confirmés.

Il existe aussi des limites à reconnaître. Les conditions ne sont pas publiques pour l'instant : on ignore le prix du programme, les volumes minimaux requis et la profondeur des modifications possibles. Les poids restent chez Microsoft, ce qui vous lie à Azure. À côté, des modèles entièrement ouverts peuvent être exécutés n'importe où.

La démarche raisonnable consiste aujourd'hui à comparer MAI Code 2 avec votre modèle actuel sur vos propres tâches, à calculer le coût, puis seulement à contacter votre responsable de compte. Si la qualité se rapproche des chiffres annoncés et que vos exigences en matière de données sont strictes, l'option de Microsoft mérite d'être sérieusement envisagée.

Dossier

Questions clés sur cet article

Qu'est-ce que Licensed Weights?

Le principe est simple. L'entreprise prend un modèle MAI de pointe, l'affine sur ses propres données et l'exécute dans le cloud Azure. Les poids du modèle, c'est-à-dire ses « réglages » qui contiennent tout ce qu'il a appris, ne sont pas téléchargés sur les serveurs du client. Celui-ci obtient en revanche sa version personnalisée et en conserve le contrôle.

Que sait-on sur Où se situe cette offre entre l'open et le fermé ?

Le marché est généralement décrit de manière simplifiée. Les modèles fermés, comme ceux d'OpenAI et d'Anthropic, sont coûteux et les plus performants, mais on ne peut pas les adapter en profondeur. Les modèles ouverts sont moins chers et plus souples, mais souvent moins performants. Licensed Weights se situe entre les deux. Elle est plus ouverte que les API d'OpenAI et d'Anthropic, sans l'être au point de publier le modèle sur Hugging Face, comme l'a fait Mistral avec Le Chonk.

Que sait-on sur Prix et qualité ?

L'accès aux poids ne signifie pas grand-chose si le modèle est faible. Microsoft a donc également communiqué des chiffres sur MAI Code 2, son nouveau modèle dédié au code. Selon Mustafa Suleyman, sur la moyenne de quatre tests populaires portant sur des tâches de programmation typiques en entreprise, comme celles rencontrées dans GitHub Copilot, il offre 98 % de la qualité de GPT 6.1 Sol pour 40 % du coût. Par rapport à Opus 5.5, son prix ne représente que 5 %.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…